## コードレビューの概要と目的

**コードレビューとは、作成したソースコードをレビューすることで、記述ミスやバグがないかを確認する作業のことです。**プログラムの品質を向上させるために、必要不可欠な工程といえます。ここでは、コードレビューの重要な観点を把握するために、まず概要や目的について詳しくご紹介します。

**コードレビューとは記述したソースコードに間違いがないかどうかを自分以外の誰かに確認してもらうことです。**レビューを行う側の人をレビュアー、レビューされる側の人をレビュイーといいます。レビュアーは複数いる場合もあります。

*システム開発の際にコードレビューはよく実施されます。*例えば、システムの品質を担保するために、「レビュアーの許可がない場合にはコードを修正することができない」というルールを作るプロジェクトもあります。プロジェクトの発足時に、レビューにかかる工数の見積もりやレビューのルールを決めることが大切です。

**コードレビューの大きな目的は、システム品質の向上です。**レビュアーに作成したコードに対して指摘してもらうことで、コードをより良い方向に修正することが可能です。例えば、人間がコードを記述する場合、ケアレスミスは発生します。そのため、*コードレビューを行うことで客観的にコードを見てもらえるため、ケアレスミスに気づきやすく、結果としてシステム品質の向上が期待できます。*

また、**コードレビューは新人教育のために実施されることも多いです。**新人社員の場合、実務経験が豊富な上司と比較するとコードの実装スキルがありません。そのため、ソースコードを読む作業を通じて、新人社員はコーディングについて多くのことを学ぶことができます。例えば、他人のコードを読むことによって「コードの設計」「コードの書き方」「フレームワークのスキル」などを勉強することが可能です。*コードレビューを通じて開発者の意図を学べるため、スキルアップにつながります。*

さらに、新人社員の場合はコードを丁寧に読むことが多く、実務経験が豊富な社員だとコードレビューを行うことに慣れていることが多いため、ケアレスミスを見逃してしまうこともあります。そのため、新人社員がコードレビューを行うことで小さなミスを拾えることもできるので、**新人教育も兼ねてコードレビューを行うことも多いです。**

**コードレビューの目的が理解できたら、次は方法が重要です。**コードレビューの方法はプロジェクトによって異なることも多く、ここでは一般的なコードレビューの方法について詳しく紹介します。ただし、例外もあるので注意してください。

### コメントの種類を使い分ける

**コードレビューをする際のコメントは、主にレビュイーが対応しやすいように記述します。**そのためには、行間のない短文で理解しやすいコメントが大切です。*コメントは、対応必須の「MUST」とレビュアーの意見「IMO（In My Opinion ）」の2つに分類すると分かりやすいです。*また、細かい指摘を行う項目など他の要素を使うこともあります。

### コメントの仕方に気を付ける

**コードレビューにおけるコメントは、コミュニケーションの一貫にもなります。**そのため、コミュニケーションがスムーズになるようなコメントの仕方も大切です。プロジェクトによっては文字のみだけではなく、絵文字や記号を使用することもあります。

また、*コードレビューでは相手の良い点を褒めることも大切です。*例えば、上司がレビュアーで新人社員がレビュイーの場合に、新人社員が成長した点をコメントしてあげると、新人社員のモチベーションアップにもつながります。

厳しい指摘ばかりしていると、レビュイーにとってコードレビュー自体が「辛い」「怖い」とネガティブなイメージになる原因になります。また*コメントをメンバーに共有することで、チーム全体の学びにもなるでしょう。*

**レビュアーがコードレビューの際にコメントを記載するときは、理由や根拠もきちんと記述しましょう。**コメントで「〇〇に修正してください」だけだと、レビュイーは「なぜ？」と疑問を抱いてしまうことがあるので、*根拠を示すことで新人社員の学びにもつながります。*インターネット上の信用できる参考文献を利用して、コメントをした理由を記述しましょう。

参考文献としておすすめの本は「リーダブルコード―より良いコードを書くためのシンプルで実践的なテクニック」です。イラスト付きで解説されているため分かりやすく、日本語の解説もついています。

【参考】：[O'Reilly Japan-リーダブルコード](https://www.oreilly.co.jp/books/9784873115658/)

### マージ後でも修正可能かを意識する

**マージを行った後でも、修正可能かどうかを意識することは大切です。**レビューの修正はマージを実施した後でも少ない工数で修正することができます。一方、データベースの変更は修正するための工数が大きくなるので、マージ後に修正が大変かどうかを意識してレビューを行うことも重要です。

**相手に伝わりやすくコードレビューを実施するには、いくつかコツがあります。**コードレビュー初心者の方は、まず基本的なコツをおさえておきましょう。ここでは、コードレビューをするときに意識すべき3つのコツについて説明します。

コードレビューを初めて行う人必見！やり方を1から解説！

### 口頭でのレビューも利用する

コメントのみでのレビューが難しいこともあります。その場合は**対面レビューの口頭でレビューを行うことがおすすめです。**ただし、指摘内容についてはコメントとして残しておいた方が、あとでエビデンスとして活用できます。また、プロジェクトメンバーに共有することもできるので、チーム全体の学びにもつながるでしょう。

### コードレビュー観点のチェックリストを用意する

**コードレビューをする際には、チェックリストの準備も大切です。**チェックリストを用意することで、*コードレビューする際の抜けや漏れを減らすことができます。*また、コードレビューをどのような観点で行うか、チームで認識合わせが可能です。

### 進捗に応じて確認するポイントを変える

**進捗状況によって、コードレビューをするポイントを変えることも重要です。**作業途中のコードを「WIP」として、プルリクエストを出す方法もあります。WIPとは、「work in progress」の略称で、進行中や作業中のことを指します。プルリクエストとは、コードの修正をレビュワーに通知して、マージを依頼することです。*WIPの場合は、変更の前提となるところを重点的に確認します。*

例えば、コードの設計や実装の方針について問題はないかを確認することが多いです。また、この段階では細かい部分の指摘は不要です。コーディングが完了した後に、細かい部分についてもレビューを行います。

## コードレビューで指摘が多いポイント

ここではコードレビューの際に指摘が入りやすいポイントについて説明します。間違いやすいところは重点的にチェックし、バグの防止やレビューの効率化を目指しましょう。下記で説明する項目について詳細なチェックリストを作成すると、精度の高いコードレビューができます。

**仕様のとおりに実装されているか、UIが適切か、エラーを正しく返すことができるかなどの基本的な機能部分をまずチェックしましょう。**簡単なコードでもケアレスミスがないとは言えません。機能に影響する部分はユーザーに直接見えるものが多いため、重点的にチェックしてください。

**不要なロジックが残っている、コピペミスがある、同一のロジックが複数入っているなどは必ず指摘しましょう。**コードの記載ミスは、製品がバージョンアップされたときや新たにアサインされたメンバーが加わる場合など、開発を再開する際にトラブルの元になります。複数のメンバーで開発ができるよう、コードは読みやすく書くことが大切です。

複数の端末で接続した際に処理速度が低下する、重い処理が含まれているといったパフォーマンスの低下の原因となる部分もチェックすべきポイントです。**具体的には指定されたデータ型が正しい、可能ならトランザクションを使用する、外部リソースへアクセスする場合は1回にまとめるなどの対策をしましょう。**

**コードレビューは、工数やコストが多くかかることも少なくありません。**近年ではIT人材の人手不足が深刻化していることもあり、納期などの問題からコードレビューができないことも多いです。品質を一定に保つためには、レビュー効率を上げる必要があります。ここからは、*レビュー作業の効率向上に用いられるコードレビューツールを2つご紹介します。*他にも多数のコードレビューツールが存在しているので、ぜひニーズに合うツールを探して利用しましょう。

主要なコードレビューツールを紹介！ツールがなぜ必要かについても解説

**GitHubには、プルリクエストの画面にコードレビューのツールがあります。**無料でも使用できますが、データ量やアクション数などに制限があるため、企業単位でツールを活用する場合には有料プランの選択がおすすめです。GitHubを利用することで、レポジトリへのアクセス権があるメンバーに対して、プルリクエストごとにレビュアーとして割り当てることができます。プルリクエストを行ったエンジニアは、管理者に対してコードレビューの依頼が可能です。

*コードレビューツールを活用すれば、Gitにおけるコンフリクトをインターフェース上で解決できます。*また、追加したレビューツールと統合させることもでき、レビュー機能を拡張することも可能です。そのため、GitHub付属のコードレビューのツールは、すでにGitHubを利用している場合には、追加のインストールや設定が不要なことから最適なツールと言えます。

【参考】[GitHub](https://github.co.jp/)

**Review Boardとは、オープンソースのコードレビューツールでコードとドキュメントのレビューができます。**また、コードの比較を画面でわかりやすく表示することもできます。さらに、Webサイト上で試験版を利用でき、ソフトウェアをインストールして自身のサーバーで設定することも可能です。

*Review Boardはオープンソースということもあり、バージョンは日々更新されているため、使いやすいツールに日々発展しています。*また、Review Boardは他のツールと比較して学習曲線が緩やかなことも特徴です。

【参考】[Review Board](https://www.reviewboard.org/)

## コードレビューはシステム開発において大切な工程の1つ！

これまでに、コードレビューの概要・注意点・コツ・指摘ポイント・ツールについて詳しく解説しました。コードレビューとは、記述したソースコードを他の方が問題ないか確認する作業のことです。**コードレビューの最大の目的はシステム品質の向上です。**また、新人社員の教育としてコードレビューを利用することもあります。

*コードレビューのやり方として、コメントの仕方が特に重要です。*コミュニケーションの一貫ともなるので、コメントで絵文字の活用や対面レビューもおすすめです。また、コメントではよかった点について積極的に褒めることも意識してください。近年ではコードレビューツールも多くあるので、コードレビューに割ける時間がない方はぜひニーズに合わせて活用してください。

コードレビューとは、記述したソースコードに問題がないかどうかを自分以外の誰かに確認してもらう作業を意味します。また、コードレビューの最大の目的はシステム品質の向上で、新人社員にも任されることが多いです。当記事では、コードレビューの重要な観点について詳しく解説します。

コードレビューとは、記述したソースコードを自分以外が問題ないか確認する作業のこと

コードレビューの最大の目的はシステム品質の向上である

コードレビューツールを利用することでレビューの効率の向上が期待できる

コードレビューの観点とは？やり方や便利なツールについても紹介！

## データサイエンティストとは

データサイエンティストとは、日々蓄積される膨大なデータをビジネスに役立てる道筋をつける人です。まずはじめに、本題に入る前にデータサイエンティストとはどのような職種なのかを解説します。以下に、データサイエンティストの役割・仕事内容・年収についてまとめました。

### データサイエンティストの役割

データサイエンティストの役割は、**企業に集積される顧客情報などのデータを次のビジネスに生かすことです。**また、企業が入手できる周辺データを取捨選択して、ビジネスに有効利用できるように加工する仕事もあります。

近年、これらのデータ量が爆発的に増えており、データのプロでなくては扱えないレベルに達しています。大多数の人が常にスマホを片手に行動するようになり、誰かが何かを検索するたびに、またSNSに投稿するたびに、大量の情報（データ）が蓄積されていきます。

また、AIの画像解析機能や音声認識機能が向上した結果、監視カメラやコールセンターなどを通じて膨大な情報が蓄積されます。このような「情報爆発」によって集積されるビッグデータに「使い道」を見つけるのがデータサイエンティストの役割です。

データサイエンティストとは？そのおすすめの資格も紹介！

### データサイエンティストの仕事内容

では、データサイエンティストの仕事内容は具体的にどのようなものがあるのでしょうか。

データサイエンティストの主な仕事は、**データの収集・分析・加工、レポート作成、業務への組み込みです。**企業によって異なる場合もありますが、一般的に顧客へのヒアリング後に課題の洗い出しと優先順位の決定を行い、課題の問題点を明確化して膨大なデータの中から活用できるものを選択、収集・保存、提案を行います。

混同されやすいデータアナリストとの違いは、どちらもデータを収集・分析する部分は似ていますが、データアナリストはデータ収集・分析に特化した職種、そこに統計学や企業の課題解決までを目指すのがデータサイエンティストです。データサイエンティストの方が上位の職種であると考えられています。

### データサイエンティストの年収

求人情報サイトによると、**データサイエンティストの平均年収は約700万円です。**年収幅は600万〜800万円が多く、地域・企業・勤続年数によっては1,000万円を超える場合もあります。日本の平均年収よりも高いため、比較的に高収入を目指せる職種です。人材不足や専門職といった観点により、データサイエンティストの年収は高めに設定されていると考えられます。

## データサイエンティストに必要なスキル

ビッグデータはそのままでは「混沌」です。言い換えれば、いくら溜め込んでも役に立たない「ゴミの山」に過ぎません。顧客データなどの構造化されたデータも、十分に使い道を見出せずに死蔵されているケースは少なくありません。

これらの**活かされていないデータに「出口」をつけてやるのがデータサイエンティストの仕事**で、それを行うには、統計学のスキル・ITのスキル・ビジネスのスキルの3つが重要となってきます。以下にそれぞれについて解説します。

統計学とは一言でいうと、**ばらつきのあるデータの意味を正しく読み取る学問です。**確率論や行列などの数学的知識とともに統計学を身につけることで、データから作られた仮説が正しいかどうかを「検定」することができます。

エンジニアリングができても、統計学の知識がなく、偽相関（データ相互の見せかけの相関関係）に騙されると、とんでもないビジネス設計をしてしまうことになります。

こういった知識を身につけるには、「統計検定4級」などの資格取得がおすすめです。まずは統計検定4級の取得からスタートし、統計の基本的な用語や概念を理解してください。その後、3級・2級・準1級・1級と1つずつステップアップしていきましょう。

【参考】：[日本統計学会認定資格](https://www.toukei-kentei.jp/)

データサイエンティストのスキル要件とは？人材育成に政府が動く

データを抽出するときもそれを加工・分析するときも、ITスキルは必要不可欠です。もちろんデータベースの構築にも必要です。データサイエンティストが主に使うプログラミング言語は、**統計解析に使う「R言語」、AIでの統計処理（機械学習）に使う「Python」、データベースの定義や操作を行う「SQL」です。**

また、これらの知識にはT系の国家試験である「基本情報技術者試験」の資格取得がおすすめです。統計学・データベース・ネットワーク・プロジェクトマネジメント・経営戦略など、データサイエンティストに必要な基礎知識を網羅できます。

【参考】：[IPA](https://www.ipa.go.jp/index.html)

Pythonでできること・できないことは？活躍している分野を解説

統計学とITのスキルをビジネスに活かすのがデータサイエンティストです。自社のビジネスをよく理解して、**ビジネスに使えるデータ処理・加工・システム設計をしなければなりません。**

また、データサイエンスに詳しくない上司や現場の営業マンに分かりやすくプレゼンテーションするスキルも必要です。それがないと、いくら良いビジネスデザインを描いても採用されません。さらには、モデルの精度を上げることだけにこだわらずに、現場で使いこなせるマーケティングシステムにするという現実的な配慮も必要な場合があります。

このようなスキルには、「マーケティング・ビジネス実務検定C級」の資格取得がおすすめです。市場細分化・標的市場決定・マーケティングリサーチ・消費者行動などの基礎が身につきます。

【参考】：[マーケティング・ビジネス実務検定](https://www.marke.jp/)

データサイエンティストを目指すエンジニアがまず取得したい資格7選！

## データサイエンティストがなくならない理由

「データサイエンティストがなくなる」「消える」という噂の源にあるのは、AIの機会学習・ディープラーニングがさらに進化することで「企業にとってのデータの利用法までAIが自動的に決めてくれるのでは」という素朴な未来予測によるものです。

### AIはあくまでもコンピュータ

鉄腕アトムのような「人間のような思考力を持つAI」が誕生しない限り、AIがデータを経営にどう活用するのかまでを決めるような未来はやってきません。

また、競争他社よりも付加価値の大きい製品やサービスを創造して「儲けたい」という欲も重要ですが、これをAIに実装することは難しいです。囲碁では、プロ棋士が太刀打ちできないソフトがすでに実現しています。それが可能だったのは、囲碁という極めてシンプルなルールの下では、コンピュータの”超人的”な計算能力が物を言うからです。

しかし、ビジネスは白と黒の石を交互に置いていくゲームとはわけが違います。**UX（ユーザーエクスペリエンス）を左右する要因は多種多様で、AIがそれに重みづけをすることは非常に困難です。**

いまさら人に聞けないDXとUXやCXの違い、それぞれの関係性についても徹底解説！

### データをどうビジネスに利用するかは人間にしか決められない

ビッグデータの「混沌」はディープラーニングの進化によってある程度整理整頓され、使い勝手が良くなっていくでしょう。しかし、**特定の企業がそのデータからビジネスにどんな付加価値を与えられるかを構想（デザイン）するのは、人間にしかできません。**

### AIが進歩するほど既存ビジネスとAIを結びつける人材が必要になる

政府は、すべての企業が2025年までにDX（デジタル・トランスフォーメーション）を実現しなければ国際競争力を失うとして、IT化による企業経営の「変容」を提唱しています。

しかし、**IT化がAI技術の駆使という意味合いを強めるほど、既存ビジネス（オールドビジネス）にとってDXはイメージしにくくなります。**AIと自社（データ）を結びつける人材が必要になるため、データサイエンティストの存在が欠かせません。

DXとは？その意味と日本の現状、DX推進の障壁となる要因を分かりやすく解説！

DXの取組事例に学ぶDX成功のポイントとITエンジニアへの期待

## なくなる心配よりも、今は育てるのが急務

日本のデータサイエンティストの現状は、なくなる心配よりも「必要なのに絶対的に不足している人材」として育成を急ぐべき時期にあります。

### データサイエンティストという職業はいつ生まれたのか

データサイエンス（データの科学）という言葉は昔からありましたが、職業としてのデータサイエンティストが脚光を浴びるきっかけになったは、米国のビジネス雑誌「ハーバード・ビジネス・レビュー」が2012年に掲載した記事「データサイエンティスト―21世紀で最もセクシーな職業」です。

それまでは地味でアカデミックな存在だったITに詳しい統計学者が、一躍「ウォール街のトレーダーよりも高給を取るセクシーな職業」になったのです。

しかし、実際に大きなIT企業やコンサルティング・ファームを除いた一般企業に、どれほどのデータサイエンティストがいるでしょうか？*「統計学×IT×ビジネス」の三位一体を体現するデータサイエンティストは、日本ではまだまだ理念的な存在だとさえ言えるかもしれません。*少なくとも、DXの実現を迫られている「すべての企業」に行き渡る数には遠く及びません。

### 人材が足りていない場合は激務になることも

前述の通り、データサイエンティストの需要は高まっていますが、「やめとけ」「つらい」などとネガティブな声も挙げられます。

その背景には、企業によってデータサイエンティストの数が足りていないことによる激務にあります。激務と感じるデータサイエンティストは多くいますが、近年は採用・育成に力を入れ始めている企業も増えているので、今後人材不足が解消される可能性も高いでしょう。

### 日本でのデータサイエンティスト育成は緒に就いたばかり

米国では2010年代に多くの大学がデータサイエンティスト養成のカリキュラムを設け、社会人向けのオンライン教育もあります。しかし、日本では2017年に滋賀大学が日本発のデータサイエンス学部を開設したところで、2021年現在まだ卒業生は排出されていません。業界団体である「日本データサイエンティスト協会」も2013年に設立されたばかりです。

**今の日本は、データサイエンティストがなくなるというより、その育成がやっと始まったばかりなのです。**

未経験からデータサイエンティストになるには？条件や求人状況とは

## データサイエンティストを目指すならビジネスマインドが不可欠

データサイエンティストの養成体制が整っていない現在、データサイエンティストを目指すにはどんな道があるでしょうか。

### データサイエンティストへの入り口は3つ

データサイエンティストへの入り口は、*「統計学者から」「ITエンジニアから」「ビジネスマンから」の3つ*です。アドバンテージがあるのは、1または2の入り口から入る人です。文系学部出身の生粋のビジネスマンが、統計学とIT知識やスキルを身につけるのは非常に高いハードルがあると言えます。

### ITエンジニアがビジネスマインドを身につけるのは簡単ではない

商売気のない人間はいないと言いますから、*ITエンジニアがビジネスマインドを身につけるのは、ビジネスマンが1からプログラミングを習うよりハードルは低い*と言えます。しかし、そう簡単なことではありません。

データサイエンスは、既存ビジネスに新たな付加価値を加えるのが役目です。そのためには既存ビジネスのルーティーンを、その問題点が見えてくるまで深く知らなければなりません。そもそも、ITによるデータの抽出や統計学によるその解釈も、現実には筋の良いビジネスの構想や問題意識が根底にないと、どこから手を付けて良いのかが分らないのです。

ITエンジニアはきついがやりがいがある！その仕事内容や年収、求められるスキルを解説

### エンジニアがデータサイエンティストを目指すなら

将来データサイエンティストを目指したいエンジニアは、統計学を学ぶとともに、ぜひマーケティングとビジネスについても勉強しましょう。

エンジニアにもUI（ユーザーインターフェース）とUX（ユーザーエクスピアリエンス）の考え方が重要だと言われるようになりました。データサイエンティストを目指す人にはとくにそれが重要です。**現在の業務を窓口にして、UI・UX・マーケティングの観点から仕事を把握し直していくことで、ビジネスマインドは徐々に養われていきます。**

データサイエンティストとは？気になる市場性や年収を解説！

<center>*＼転職するか迷っていてもOK！／* [*マイナビエージェントに無料登録して* *転職サポートを受ける*](https://mynavi-agent.jp/entry/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv17)</center>

データサイエンティストという職業が脚光を浴びている一方で、「AIがさらに発達したらデータサイエンティストは要らなくなるのではないか」という声が挙げられます。この記事では、データサイエンティストの仕事内容や将来性、「やめとけ」などと言われる理由を解説します。

データサイエンティストには統計学、AI、ビジネスの3つのスキルが必要

データサイエンティストはAIがいくら進化してもなくなることはない

IТエンジニアがデータサイエンティストを目指すならビジネスをよく学ぶことが必須

データサイエンティストはなくなるのか？今後の傾向や将来性を解説

プロジェクト管理において、「ガントチャート」や「WBS」がよく使われていますが、*それらを用いる目的やメリット、それぞれの違いなどを理解せずに利用している方が多いかもしれません。*今さら人に聞けない「ガントチャート」と「WBS」について徹底解説していきます。　

WBSとは「Work Breakdown Structure」の略語で、「作業分解構成図」とも呼ばれる手法で、プロジェクト管理の基本としてよく利用されています。このWBSでは、まずプロジェクトの全体作業を洗い出した上で、それらを大きな括りのタスクとして列挙していきます。

さらに、**タスクをさらに細分化し、それを実施する順番で上から下に揃えながらツリー構造にするのです。**タスクを大きなものから小さなものへと細分化するため、重要なタスクが抜け落ちてしまうことを防げます。

WBSの作り方は、「作業の洗い出し」→「作業の順番設定」→「作業を構造化する」の順番に行います。作業効率化を図るならExcelやウェブツールを活用した方法がおすすめです。テンプレートが充実しているフリーツールやフリートライアルがあるものを選ぶと安価に作成できます。

ガントチャートとは、米国のガント（Henry Gantt）が考案した**プロジェクト進捗管理のためのスケジュール表のことです。**主にシステム開発プロジェクトなどで利用されています。

縦軸に「作業項目（タスク）」と「担当メンバー」を、横軸には「時間軸」を棒グラフで表し、プロジェクトの全体像とその進捗状況が直感的に把握できるようになっています。ガントチャートを利用すると、プロジェクト全体が視覚的に見えるだけではなく、プロジェクトのタスク・タスクに要する時間・タスクの進捗状況が把握できます。

ガントチャートの作り方は主にExcelを使用しますが、その際「手書き（セルの塗潰し・図形描画）」「条件付き書式」「関数」「グラフ」といった方法があります。他にもVBAを活用した方法もありますが、時間をかけずに作成するならExcelが使いやすいでしょう。

ガントチャートは「プロジェクトの進捗管理するためのスケジュール表」で、一目見ただけで全体像がつかめるのが特徴です。

一方、WBSは「プロジェクトのタスクを細分化した一覧表」です。WBSでプロジェクトのタスクと納期は把握できますが、ガントチャートと違って時間軸がグラフではないため「分かりやすさ」という点ではガントチャートより劣ります。

まとめると、*「WBSは作業項目を洗い出したもの」「ガントチャートはそれをグラフにしたもの」という関係です。*ガントチャートを作成するためにはWBSの作成が必要となるため、両者はセットであると言ってもよいでしょう。

WBSとガントチャートの違いはおおよそ分かりましたが、それぞれの作成する目的を確認しましょう。　

WBSを作成する目的は、一言で言えば「プロジェクト全体の全ての作業を漏れなく洗い出して整理すること」です。

**WBSを作成することで個々のタスクが明確化され、プロジェクト全体の作業を把握できます。**さらに、スケジュールを策定し作業について役割分担をすることで、見積もりの精度を上げることができます。また、タスクの工数とスケジュールを管理することで、遅延を防ぐことが可能です。

ガントチャートは「スケジュール表」と呼ばれることがあるように、主として**スケジュール管理を目的に利用されます。**スケジュールを各工程ごとにグラフにして一覧化することで全体の計画が一目で分かるため、現在の工程をチームメンバーで共有する際にも便利です。

## WBSとガントチャートのメリット・デメリット

WBSやガントチャートはプロジェクト管理には欠かせないツールですが、多くのメリットがある反面、デメリットもあります。このメリット・デメリットをよく理解した上で活用することが必要です。また、*デメリットに関してはその軽減策や回避策をよく練った上で実際に利用しましょう。*

WBSのメリットは作成する目的とほぼイコールですが、メリットについて改めて整理します。以下に、メリットについてまとめました。

1.プロジェクトのタスクが明らかになる
2.効率的なスケジュールを組みやすくなる
3.各担当者の分担が明確になる
4.工数の見積もりがしやすくなる
5.プロジェクトの遅れがタスクレベルで分かるため進捗管理がしやすい
6.チームメンバーや関係者で共有しやすい

WBSには上記のような多くのメリットがある反面、次のようなデメリットもあります。デメリットの回避策・軽減策を講じた上で作成するようにしましょう。

1.各タスク間の依存関係が分かりづらいため、タスク間の進捗管理をマメに行う必要がある
2.階層構造でタスクを全て洗い出すため、作成するのに手間が掛かる
3.WBSは従来型のウォーターフォール開発に向いており、最近流行りのアジャイル開発には不向き

ガントチャートは主に以下のような3つのメリットがあります。

1.作業ごとのスケジュールを棒グラフで表すため、プロジェクトの工程全体を見える化できる
2.全体のスケジュールと他のメンバーの進捗状況を共有できるため、チームワークを発揮しやすくなる
3.ガントチャートは構造が非常にシンプルで、誰でも作成できる

### ガントチャートのデメリット

ガントチャートにはメリットがある一方、運用面でデメリットもあります。以下のようなデメリットがあるという前提で、回避策やデメリットの軽減策を考えておくとよいでしょう。

1.ガントチャートは進捗管理表としては優れている反面、工数が把握しにくい
2.ガントチャートは作業スケジュール共有が目的で、タスク同士の関係性が見えにくい（相互関係を把握するためにはPERT図の併用が望ましい）
3.ガントチャートはウォーターフォール型開発とは相性がよいが、アジャイル型開発手法には向かない

ここでは、有効なWBSの作り方や作成する上で留意すべきポイントを解説します。

タスクを分解して作業を洗い出せたら、次に作業の順番を決めます。その際、**作業ごとの依存関係を明らかにしましょう。**「Aタスクが終了したらBタスクに着手」「CタスクとDタスクは同時並行で進める」といったタスク間の関係を確認し設定します。

また、併せてクリティカルパスを設定します。例えば、ある作業が遅延した場合には直ちにプロジェクト全体が遅れるといった作業があると、それ自体がクリティカルパスになります。クリティカルパスは関係者全員が分かるように表記しておきます。

### 2.作業の依存関係を考えて順番を設定する

WBSを作成するまでは、プロジェクトに必要なタスクが漠然としたままです。この漠然としたものを、**それぞれの作業工数が明確になるまで分解すると、作業内容や作業の範囲がより明確になります。**

最初に全体予算ありきで全体工数を決めてしまい、これをタスクに分解していくような方法だと必ずギャップが生まれます。手間は掛かりますが、タスクを可視化できるまで分解し、分解したものについて関係者のコンセンサスを得ることが必要です。

### 3.レベルを意識して作業を構造化する

順番を設定した作業をまとめて、**親・子・孫レベルに構造化していきます。**各作業のレベルを合わせておくことも必要です。例えば「A工程は非常に細かく細分化され、B工程は大まか」というように、作業ごとに粒度が異なると漏れや抜けが生じやすくなります。構造化する際の粒度は合わせる工夫をしてください。

WBSを作成する上で、**作業時間の見積もりという重要な要件があります。**見積もり方法には決まった算式はありませんので、経験値から算出する、チームメンバーの意見を聞く・有識者に相談する・経験者複数人で見積もり加重平均を取るなどの方法などを試してください。

## ガントチャートを作成する際のポイント

ここでは、有効なガンチャートを作成する上で留意すべきポイントを解説します。上記に挙げたWBS作成時のポイントも踏まえて、的確なWBSやガントチャートを作成し、ぜひプロジェクトの成功に結び付けてください。

### 1.WBSを作成して作業分割をする

まずWBSを作成し、**プロジェクトのプロセスをすべて洗い出し細分化します。**WBSは作成に手間がかかるために敬遠される傾向がありますが、プロジェクトの全体を把握する上で欠かせない手順です。またWBSを実施しておくことで後が楽になるので、省略せずに必ず行いましょう。

### 2.スケジュールや工数に無理がないか確認をする

スケジュールができたら、**スケジュールや工数に無理がないか、矛盾点はないかなどをチームメンバー間で確認をします。**後で抜けや漏れが発見されると、1度作成したチャートを全面的に作り直すことになります。必ず完成する前にチームメンバー全員で情報を共有し、想定されるリスク・各メンバーのスキル・想定工数などについて確認を行います。

### 3.マイルストーンも設定する

ガントチャートにはグラフ以外に、**マイルストーンや区切りなどを設けるとよいでしょう。**マイルストーンは進捗確認のチェックポイントを意味します。マイルストーンを設定し、チームメンバーで共有することで目標通りにスケジュールが進捗しているか否かが、明確になります。

またクリティカルパス・ポイントを設定しておくと他への影響が大きく、キーとなるタスクが明らかになるでしょう。

### 4.修正の可能性を考慮しておく

1度作成したチャートが、**仕様変更やスケジュール変更が発生しても、すぐに修正できるようにしておくことが求められます。**最初から凝ったものを作らず、シンプルなものにしておくことも1つの方法ですが、Excelなどを利用してデジタルで作図しておくと修正が楽でしょう。

また、チャートは個人PCのローカル上ではなく共有サーバーなどクラウド上で管理しておくと、全員が集まった場で修正が即時に行えて共有もできます。例えば、WBS作成ツールでWBSを修正すると自動的にガントチャートも作成・修正できるような専用ツールを利用すると効率的です。

## WBSとガントチャートを作成してプロジェクトを成功させよう

WBSは作業項目を洗い出し、タスクを徐々に小さく細分化することで重要なタスクの抜け落ちを防ぐ目的があります。ガントチャートはプロジェクト進捗管理のためのスケジュール表をグラフ化し、プロジェクト全体を視覚的に捉え、プロジェクトのタスクやタスクにおける時間・進捗状況を把握できます。

どちらもプロジェクトを円滑に進行させるのには欠かせないため、ぜひツールを活用しながらプロジェクトを成功させてください。

プロジェクトの進捗管理でよく利用されるWBSやガントチャート、正しく理解して活用していますか？今さら人には聞けない「WBSとガントチャートの違い」「WBSとガントチャートのメリット・デメリット」「WBSとガントチャートの作成のポイント」などを徹底解説します。

WBSは作業項目を洗い出したもの、ガントチャートはそれをグラフにしたもの

WBSはプロジェクト全体の作業を漏れなく洗い出して整理することが目的で、ガントチャートはスケジュール管理が目的

WBSとガントチャートは、Excelやフリーツールで作成できる

WBSとガンチャートの違いは？メリットや活用法、作成時のポイント

自分にとっての幸せとは何なのか？

大切なことだとわかりつつも、なかなか追求しきれない人生の問い。

それを常に考え、経営者として本気で実践している人たちがいます。

**自分たちが本当に使いたいSNSアプリ『mio』を想い優先で自社開発**し、**Going my wayを貫くために自己資金での経営を貫く**『Anycloud』

今回は、互いにスタートアップの起業を経験した後にこのスタイルに辿り着いた、CEOの村井謙太さんとCOOの清水一貴さんにお話を伺いました。

SNS疲れに終止符。素の自分を出せるSNS『mio』が追求する“心理的安全性”の価値【前編】

~~COO 清水一貴さん（左） / CEO 村井謙太さん（右）~~

## Progate時代から変わらない、愛されるプロダクトを作る喜び

#### balloon eriko_ichibangase left
村井さんにとって、自分の幸せを追求することのプライオリティが非常に高いことはよくわかりました。 いま29歳でいらっしゃいますが、どんなキャリアを積んでこられましたか？

#### balloon miokentamurai right
**最初に起業したのは、東大在学中**です。 1、2年生のときは遊んでたんですけど、3年生になってそろそろ大丈夫かと思い始めて。 学生のうちにチャレンジしたいという気持ちで、熱意だけでテンション高く起業しました。

#### balloon eriko_ichibangase left
それが、Anycloudの前の『Progate』ですか？

#### balloon miokentamurai right
いえ、その前です。 当時は、サービスのアイデアは浮かぶものの形にできず、お金もないから外注もできず。 情熱もあって、友達にも「俺は起業する」とカッコつけているのに、ただただ時間だけが過ぎていくという無力感を味わいました。

#### balloon miokentamurai right
すごく消化不良で 「**ゼロイチで何かを作るには、プログラミングができないとノーバリュ―**だな。」 「自分で作れないとダメだな」 と、痛感したんです。 それが、大学3年の秋に**東大プログラミングサークル『ゼロワン』**を立ち上げるきっかけになりました。

#### balloon eriko_ichibangase left
そこがプログラミングとの出会いだったんですね。 東大プログラミングサークル、かなりのパワーワードですよね。

#### balloon miokentamurai right
**東大エンジニア集団だと名乗れば、受託開発の依頼があるだろうという狙い**もありました。 実際、依頼をいただいたので、自分も本格的にプログラミングを勉強して、力をつけることができたんです。

#### balloon eriko_ichibangase left
**知識を身に付けてから仕事を始めるのではなく、仕事にすることで勉強せざるを得ない環境に追い込む**というお話は、フリーランスで活躍されている方からよく聞きます。 そこから、オンラインプログラミングサービスの『Progate』につながるんですね。

~~画像出典：[Progate](https://prog-8.com/)~~

#### balloon miokentamurai right
Progateは、プログラミング学習時に自分が苦労したことを解決したいと思って立ち上げたサービスです。 東大の同級生だった加藤將倫（[@cmasad43](https://twitter.com/cmasad43)）と一緒に起業しました。

#### balloon eriko_ichibangase left
いまや**世界100ヶ国以上で240万人に使われているサービス**ですよね。 自分の作ったサービスがそこまで広く評価されて使われるって、すごすぎて想像できないです……！

#### balloon miokentamurai right
**ユーザーがファンとしてついてきてくれるプロダクトを作る**、というのが、Progate時代も今も変わらない、自分にとっての喜びですね。

#### balloon eriko_ichibangase left
どう働くかの基本が、そこにあるんですね。

#### balloon eriko_ichibangase left
そういえば、村井さんは東大を中退されていますが、卒業しなかったのはどうしてですか？

#### balloon miokentamurai right
卒論だけが終わらなくて、4年間休学したあと、最終的に退学しました。

転職・キャリアの記事（66ページ目）